- Zu geringe Ausschöpfung des Bestandskundenpotenzials
- Kaum Steigerung des Auftragseingangs trotz vorhandener Marktchancen
- CRM-System (Microsoft Dynamics Sales) nur fragmentarisch genutzt
- Fehlende belastbare Grundlage für Vertriebssteuerung auf Management-Ebene
- Zielgerichtete Nutzung der Vertriebszeit
- Harmonisierung von Vertriebsprozessen und Schaffung einer skalierbaren CRM-Strategie für Innen- und Außendienst
- Fokussierung auf wertschöpfende Kunden und Aktivitäten
- Schaffung einer datenbasierten Vertriebssteuerung
- 24 Monate: Juni 2024 bis 12. Mai 2026
- Durchschnittliche Auslastung: Rund 40%
1. Grundsatzentscheidung Systemnutzung
- CRM als führendes System für alle vertriebsrelevanten Aktivitäten
- ERP (Navision) ausschließlich für kaufmännische Prozesse
-
Klare Trennung und definierte
Verantwortlichkeiten der Systeme
2. Datenmodell & Datenstruktur
- Zentrale Datenhaltung im Microsoft Dataverse
- Erweiterung der Standardtabellen nur für nutzerrelevante Felder
- Komplexe Logiken und Zusatzinformationen in benutzerdefinierten Tabellen
- Aufbau eines strukturierten Klassifizierungsmodells (A/B/C) basierend auf:
- Umsatzpotenzial
- Kundentyp (z. B. Händler, Endkunde, Ingenieurbüro)
-
verbauten Produkten
3. Entscheidungslogik im Vertrieb
- Automatisierte Klassifizierung von Kunden und Interessenten
- Definition einer Aktivitätsmatrix basierend auf:
- A/B/C-Kategorie
- Kundentyp
- offenen Verkaufschancen
- Generierung von:
- Wiedervorlagen
- Besuchsplanungen
- Tourenvorschlägen
4. Prozessarchitektur
- Fokus auf Akzeptanz durch unmittelbaren Nutzen für den Vertrieb
- Automatisierung zentraler Prozesse:
- automatische Zusammenfassung von Meetings und Telefonaten
- automatische Aktivitätserfassung (inkl. Außendienst, Mobile, Fahrzeugintegration)
- Steuerungslogik für Management:
- Kombination aus KPI und Prozess-Compliance
- z. B. ?nicht besuchte A-Kunden mit Potenzial?
5. Systemlandschaft
- Microsoft Dynamics Sales
- Microsoft Navision (ERP)
- Microsoft Teams inkl. Telefonie
- Microsoft Power Automate
- Microsoft Dataverse
- KI-Komponenten (Copilot, Transkription, Analyse)
6. Schnittstellen & Integration
- Bidirektionale Integration zwischen CRM und ERP:
- Accounts, Umsätze, Verträge
- Artikeldaten für Verkaufschancen
- Angebote und Aufträge zurück ins CRM
- Automatisierte Anlage und Validierung von Adressen im ERP
- Rückführung von:
- Kundennummern
- Bonitätsinformationen
- offenen Posten
7. Kommunikations- und Telemetrie-Integration
- Entscheidung für Microsoft Teams als zentrale Telefonielösung
- Integration von:
o stationärer Telefonie
o Mobile Nutzung (Handy, CarPlay)
- Automatisierte:
o Protokollierung von Gesprächen
o Transkription
o Überführung in CRM-Datenstrukturen
- Kundenspezifische KI-gestützte Gesprächszusammenfassungen mit Microsoft Copilot auf Basis:
o von Teams-Meetings
o Teams-Telefonie
o Gesprächstranskriptionen
o CRM-Historieninformationen
- Strukturierte Aufbereitung der Gesprächsinhalte für:
o Vertriebsaktivitäten
o Verkaufschancen
o Account-Entwicklung
o Management-Informationen
- Berücksichtigung kundenspezifischer Begrifflichkeiten, Produktbezeichnungen und Vertriebslogiken innerhalb der Zusammenfassungen
8. Architekturentscheidung Datenbeschaffung Telefonie
- Kombination aus:
o Webhook-basiertem Event-Ansatz
o zeitgesteuertem Abruf über Microsoft Graph
- Ziel:
o Minimierung von Datenverlust
o Maximale Aktualität
o Implementierung einer Doublettenlogik zur Sicherstellung der Datenqualität
9. Technische Umsetzung
- Automatisierung über Microsoft Power Automate
- UI-Erweiterung über Custom Pages
- Steuerung von UI-Logiken über JavaScript / HTML
- Nutzung von Umgebungsvariablen zur flexiblen Konfiguration
10. Reporting- und Steuerungsarchitektur
- Aufbau einer standardisierten Reporting-Logik für Vertriebs- und Unternehmensleitung
- Vereinheitlichung vertrieblicher Aktivitäten über Hilfstabellen und Workflow-Logiken im Microsoft Dataverse
- Harmonisierung unterschiedlicher Aktivitätstypen zur konsistenten Auswertung, z. B.:
o Termine ? geplantes Ende
o Telefonate ? tatsächliches Gesprächsende
o unterschiedliche Statusdefinitionen wie ?geplant? und ?offen? ? fachlich zusammengeführt
- Verarbeitung und Konsolidierung der Daten über Microsoft Power Automate Workflows
- Definition einheitlicher Auswertungslogiken für:
o Aktivitäten
o Besuchszyklen
o Vertriebsintensität
o Kundenpotenziale
o Prozess-Compliance
- Finale Aufbereitung der Reports in Microsoft Excel für Jour-fixe- und Management-Auswertungen
- Kombination klassischer KPI mit vertriebsfachlichen Steuerungsinformationen, u. a.:
o Anzahl versuchter Anrufe
o Anzahl erfolgreicher Gespräche
o Anzahl Online-Meetings
o Anzahl Vor-Ort-Termine
o nicht besuchte A-Kunden mit offenem Potenzial
o Aktivitäten bei C-Interessenten trotz niedriger Priorität
- Ziel war nicht die reine KPI-Erfassung, sondern die Schaffung einer belastbaren Entscheidungsgrundlage für Vertriebssteuerung und Ressourcenpriorisierung.
- Kombination aus Innen- und Außendienstprozessen
- Integration mehrerer Systeme (CRM, ERP, Kommunikation, KI)
- Verarbeitung strukturierter und unstrukturierter Daten (Gespräche, Texte)
- Hohe Anforderungen an Datenkonsistenz und Nutzerakzeptanz
- Konzeption der Gesamtarchitektur
- Definition von Datenmodell und Prozesslogik
- Steuerung externer Dienstleister
- Teilweise eigenständige Umsetzung kritischer Komponenten
- Sicherstellung der operativen Nutzbarkeit im Vertrieb
Verbund von kleineren IT-Dienstleistern für die Beratung und Umsetzung von IT-Lösungen.
Direktvertrieb an mittelständische Kunden aus unterschiedlichen Branchen.
Solution Architekt
- Microsoft Dynamics Sales
- Salesforce Pro Suite
- HubSpot
- genesisWorld
- ACT!
- Sage Office Line / Sage CRM
- LexOffice
- Microsoft Office 365
- Microsoft Dataverse
- Microsoft Power Automate
- ChatGPT
- Google Gemini
- Claude
- diverse weitere Systeme und Speziallösungen der einzelnen IT-Dienstleister
- Mehrere kleinere IT-Dienstleister mit voneinander unabhängigen CRM- und Vertriebsstrukturen
- Unterschiedliche Vertriebsprozesse und Datenmodelle
- Parallele Nutzung unterschiedlichster CRM-Systeme
- Teilweise CRM-Nutzung ausschließlich über ERP-Systeme
- Unterschiedliche Datenqualitäten und heterogene Datenstrukturen
- Viele voneinander getrennte Datenbestände sowohl innerhalb einzelner Unternehmen als auch zwischen den Unternehmen
- Keine zentrale Sicht auf Interessenten, Kunden und Vertriebsaktivitäten
- Aufbau einer zentralen Vertriebs- und Akquisebasis trotz heterogener Systemlandschaften
- Schaffung einer gemeinsamen Daten- und CRM-Architektur für die zentrale Akquise
- Beibehaltung der bestehenden Systeme bei den einzelnen IT-Dienstleistern
- Vorbereitung einer späteren Zusammenarbeit in der Projektumsetzung und Ressourcensteuerung
- Reduzierung von Informationsverlusten und Doppelarbeiten zwischen den Unternehmen
- 12 Monate: Januar 2025 bis Dezember 2025
- Durchschnittliche Auslastung: Rund 35%
1. Grundsatzentscheidung Architekturmodell
- Ziel war keine vollständige Vereinheitlichung aller Systeme, sondern die Schaffung einer integrationsfähigen Vertriebsarchitektur unter Beibehaltung bestehender CRM- und ERP-Systeme
- Föderierte Architektur mit:
- zentraler Akquiseplattform
- dezentralen operativen CRM-Systemen der einzelnen IT-Dienstleister
- Definition eines gemeinsamen fachlichen Kerns (?Smallest Common Denominator?) zur Erreichung der zentralen Akquiseziele trotz heterogener Systemlandschaften
2. Datenmodell & Datenstruktur
- Analyse und Harmonisierung unterschiedlicher Datenstrukturen für:
o Firmen
o Kontakte
o Aktivitäten
o Vertriebschancen
- Definition eines gemeinsamen Kern-Datenmodells über mehrere CRM-Systeme hinweg
- Konzept zur Datenkonsolidierung und Doublettenzusammenführung
- Definition primärer Identifikationsmerkmale zur sicheren Datenerkennung, z. B.:
o HRB-Nummern
o Unternehmensname
o Adresse
o Ansprechpartner
- Aufbau von Fuzzylogiken zur Erkennung ähnlicher Datensätze trotz unterschiedlicher Schreibweisen
3. Zielarchitektur Vertriebsplattform
- Aufbau einer zentralen Akquiseplattform auf Basis von Microsoft Dynamics Sales
- Integration der bestehenden CRM-Systeme über Schnittstellen und Hilfstabellen im Microsoft Dataverse
- Zentrale Verwaltung von:
o Interessenten
o Kunden
o Aktivitäten
o Zuständigkeiten
- Mehrfachzuordnung von Interessenten und Kunden zu mehreren IT-Dienstleistern möglich
4. Schnittstellen & Integration
- Definition der Schnittstellenlogik zwischen Quellsystemen und Zielarchitektur
- Konzeption der Datenübersetzung zwischen unterschiedlichen CRM-Systemen
- Schnittstellendefinition für:
o Firmen
o Kontakte
o Telefonate
o Termine
o Aktivitäten
- Entwicklung einer Such- und Prüfarchitektur zur Vermeidung von Dubletten bereits bei der Anlage neuer Datensätze in den Quellsystemen
- Konzept für systemübergreifende Datensynchronisation und Datenkonsistenz
5. Governance & Zuständigkeiten
- Definition von Ownership- und Zuständigkeitslogiken zwischen:
o zentraler Akquise
o einzelnen IT-Dienstleistern
- Definition:
o welche Vertriebsphasen zentral erfolgen
o ab wann die Übergabe an einzelne Partnerunternehmen erfolgt
- Klare Regelungen zur Verantwortlichkeit bei:
o Interessenten
o Kunden
o Verkaufschancen
o Folgeprojekten
o Rahmenverträgen
6. Prozessarchitektur
- Definition standardisierter Kernakquiseprozesse
- Harmonisierung von Marketing-, Vertriebs- und Kundenprozessen über mehrere Unternehmen hinweg
- Definition von:
o Akquiseprozessen
o Follow-up-Prozessen
o After-Sales-Prozessen
o Verlängerungsprozessen für Rahmenverträge
- Ziel war die Reduzierung von Reibungsverlusten und Mehrfacharbeiten innerhalb des IT-Verbunds
7. KI-First Strategie
- Definition einer KI-gestützten Vertriebsstrategie innerhalb der zentralen Akquise
- KI-gestützte Datenanreicherung und Recherche zu:
o Branchen
o Geschäftsmodellen
o Unternehmensinformationen
o wirtschaftlicher Situation
o Entscheidern
- Automatisierte Erstellung von:
o E-Mail-Kampagnen
o individualisierten Vertriebs-E-Mails
o Vertriebszusammenfassungen
- Nutzung von KI zur Verbesserung der Datenqualität und Vertriebspriorisierung
8. Technische Umsetzung
- Nutzung von Microsoft Dataverse als zentrale Integrations- und Steuerungsebene
- Einsatz von Microsoft Power Automate für:
o Datensynchronisation
o Workflowsteuerung
o Automatisierung
- Integration unterschiedlicher CRM-Systeme ohne vollständige Migration
- Architektur mit Fokus auf Erweiterbarkeit und spätere Skalierung
- Heterogene CRM- und ERP-Landschaften
- Unterschiedliche Datenmodelle und Prozesse
- Mehrere eigenständig operierende Unternehmen
- Unterschiedliche Vertriebsstrategien und Arbeitsweisen
- Hohe Anforderungen an:
o Datenqualität
o Datenkonsistenz
o Ownership
o Dublettenerkennung
o Governance
- Kombination strukturierter und unstrukturierter Datenquellen
- Analyse bestehender CRM- und Vertriebslandschaften
- Moderation fachlicher Workshops und Abstimmung zwischen Management, Vertrieb und technischen Stakeholdern
- Konzeption der Zielarchitektur
- Definition von Datenmodell und Integrationslogik
- Definition der Governance- und Ownership-Strukturen
- Erstellung der Schnittstellenkonzepte
- Entwicklung der KI-gestützten Vertriebsstrategie
- Steuerung der technischen Umsetzung
Sicherstellung der operativen Nutzbarkeit der Architektur im VertriebsalltagHersteller von LED-Leuchtmitteln und professionellen Leuchtenlösungen.
Direktvertrieb an Industriekunden für komplette LED-Ausleuchtungskonzepte sowie indirekter Vertrieb über Elektriker und Fachpartner.
Solution Architekt
- Salesforce Sales Cloud
- Salesforce Einstein
- ChatGPT
- Microsoft Office 365
- Microsoft SharePoint
- Microsoft Dataverse
- Microsoft Power Automate
- Azure OpenAI (GPT)
- Azure Document Intelligence
- Azure Functions
- individuelle ERP-Software
- REST-API-basierte Integrationen
- Sehr hohe Anzahl potenzieller Ausschreibungen bei gleichzeitig stark begrenzten Vertriebsressourcen
- Hoher manueller Aufwand bei Sichtung, Bewertung und Bearbeitung von Ausschreibungsunterlagen
- Fehlende strukturierte Entscheidungsgrundlage zur Priorisierung von Ausschreibungen
- Hoher Zeitdruck bei der Angebotserstellung
- Unterschiedliche Dokumentenstrukturen und teilweise unstrukturierte Ausschreibungsunterlagen
- Aufbau einer KI-gestützten Entscheidungs- und Prozessplattform zur strukturierten Bewertung und Bearbeitung von Ausschreibungen
- Fokussierung der Vertriebsressourcen auf Ausschreibungen mit hoher Erfolgswahrscheinlichkeit
- Reduzierung manueller Vorqualifizierungsaufwände
- Teilautomatisierung der Ausschreibungsbearbeitung
- Automatisierte Vorbereitung relevanter Inhalte für Ausschreibungen und Angebote
- 8 Monate: März 2025 bis Oktober 2025
- Durchschnittliche Auslastung: Rund 30%
1. Grundsatzentscheidung Vertriebsstrategie
- Ziel war nicht die vollständige Automatisierung des Vertriebs, sondern die KI-gestützte Unterstützung der Vertriebsentscheidungen
- KI sollte den Vertrieb bei:
o Priorisierung
o Bewertung
o Recherche
- KI wurde gezielt zur Beschleunigung, Priorisierung und qualitativen Verbesserung vertrieblicher Entscheidungen eingesetzt.
- Kritische Entscheidungen und finale Freigaben verbleiben bewusst beim Vertrieb bzw. der Assistenz
2. Bewertungs- und Entscheidungslogik
- Definition einer mehrstufigen Vorabbewertung für Ausschreibungen
- Entwicklung eines Punktesystems zur automatisierten Bewertung und Priorisierung
- Umwandlung der Einzelbewertungen in Wahrscheinlichkeits- und Prioritätswerte
3. Entscheidungslogik Eingangskriterien
- Automatisierte Bewertung von:
o Projektvolumen
o Umsetzbarkeit innerhalb verfügbarer Ressourcen
o Einhaltung der Abgabefristen
o Terminüberschneidungen bei der Umsetzung
- Definition von:
o Ja-/Nein-Kriterien
o K.O.-Kriterien
o Prioritätslogiken
4. Politische und strategische Bewertungslogik
- Analyse der Ausschreibungen hinsichtlich:
o möglicher Vorfestlegungen auf Wettbewerber
o auffälliger Spezifikationen
o bewusst offener oder unklarer Anforderungen
- KI-gestützte Recherche zu:
o Wettbewerbern
o Referenzprojekten
o bestehenden Kundenbeziehungen
o potenziellen Verbindungen zwischen Auftraggebern und Wettbewerbern
- Bewertung der politischen und strategischen Erfolgschancen
5. Fachliche Bewertungslogik
- Bewertung der technischen Anforderungen im Verhältnis zu:
o vorhandenen Produkten
o eigenen Stärken
o vorhandenen Referenzen
o verfügbaren Ressourcen
- Analyse von:
o technischen Passungen
o Risiken
o Ausschlusskriterien
6. Validierungs- und Folgeprozesslogik
- Bewertung der Verlässlichkeit der KI-Analyse
- Automatische Generierung von Folgeaktivitäten bei:
o unklaren Anforderungen
o fehlenden Informationen
o notwendigem Klärungsbedarf
- Priorisierung der Folgeaktivitäten anhand der erwarteten Erfolgschancen
7. Prozessarchitektur
- Manuelle Erstaufnahme der Ausschreibungen durch die Assistenz
- Ablage der Ausschreibungsunterlagen in SharePoint
- Ergänzung zusätzlicher Informationen, die nicht direkt aus den Dokumenten ausgelesen werden können
- Automatisierte Analyse und strukturierte Aufbereitung der Inhalte
- Freigabeprozess durch Assistenz und Vertrieb vor Übergabe an Salesforce
8. KI-gestützte Inhaltserstellung
- KI-gestützte Generierung von:
o Einleitungen
o Management Summaries
o Nutzenargumentationen
o Mehrwertdarstellungen
- Nutzung vorhandener Textbausteine und historischer Ausschreibungsdaten
- Lernende Optimierung der Textvorschläge anhand:
o bereits verwendeter Ausschreibungstexte
o erfolgreicher Formulierungen
o bestehender Angebotsunterlagen
9. Technische Angebotsvorbereitung
- Extraktion technischer Anforderungen und Mengenangaben aus Ausschreibungsunterlagen
- Strukturierte Darstellung der Anforderungen
- Automatisierte Vorschläge passender Produkte auf Basis:
o Artikelstammdaten
o technischer Anforderungen
o Mengenstrukturen
10. Prozesslogik Vertriebssteuerung
- Automatische Priorisierung eingehender Ausschreibungen
- Sofortige Wiedervorlagen und Benachrichtigungen bei:
o hoher Abschlusswahrscheinlichkeit
o geringem Klärungsbedarf
- Ausschreibungen mit:
o mittlerer Wahrscheinlichkeit
o höherem Klärungsbedarf
werden in einen separaten Bearbeitungspool überführt
- Architektur orientierte sich bewusst an real verfügbaren Vertriebsressourcen und Kapazitäten
11. Architekturmodell
Upload Layer
- Ablage der Ausschreibungsunterlagen in SharePoint
- Ergänzung fehlender Metadaten durch Assistenz
Processing Layer
- Dokumentenanalyse über Azure Document Intelligence
- Strukturierte Extraktion von:
o Texten
o Tabellen
o Mengen
o technischen Anforderungen
o Rahmenbedingungen
- KI-basierte Bewertung über Azure OpenAI
Data Layer
- Speicherung:
o Rohdaten in SharePoint
o strukturierter Daten und Bewertungen im Microsoft Dataverse
- Trennung zwischen:
o Rohdaten
o KI-Bewertung
o Entscheidungslogik
o Vertriebsstatus
Integration Layer
- Übergabe relevanter Ausschreibungen an Salesforce Sales Cloud
- Integration über REST-API und Azure Functions
12. Datenmodell & Datenstruktur
- Strukturierte Extraktion und Speicherung von:
o technischen Anforderungen
o Mengenangaben
o Fristen
o Rahmenbedingungen
o Bewertungskriterien
- Speicherung der strukturierten Ausschreibungsdaten in Dataverse Custom Tables
- Aufbau eines getrennten Modells für:
o Rohdaten
o KI-Bewertungen
o Vertriebsentscheidungen
o Folgeaktivitäten
13. Technische Umsetzung
- Workflowsteuerung über Microsoft Power Automate
- Speicherung strukturierter Daten im Microsoft Dataverse
- Integration externer KI- und Dokumentenanalyse-Dienste
- API-basierte Integration zwischen:
o SharePoint
o Dataverse
o Salesforce
o Azure-Komponenten
- Kombination strukturierter und unstrukturierter Datenquellen
- Verarbeitung umfangreicher Dokumente und technischer Ausschreibungen
- Hohe Anforderungen an:
o Datenqualität
o Entscheidungslogik
o Priorisierung
o Ressourcensteuerung
o Prozessautomatisierung
- Kombination aus:
o KI
o Dokumentenanalyse
o Workflowsteuerung
o CRM-Integration
o Vertriebslogik
- Analyse bestehender Ausschreibungs- und Vertriebsprozesse
- Konzeption der Zielarchitektur
- Definition der Entscheidungs- und Bewertungslogik
- Definition des Datenmodells
- Definition der KI-Strategie
- Konzeption der Integrationsarchitektur
- Entwicklung der Prozess- und Governance-Logik
- Steuerung der technischen Umsetzung
- Sicherstellung der operativen Nutzbarkeit im Vertriebsalltag
- Zu geringe Ausschöpfung des Bestandskundenpotenzials
- Kaum Steigerung des Auftragseingangs trotz vorhandener Marktchancen
- CRM-System (Microsoft Dynamics Sales) nur fragmentarisch genutzt
- Fehlende belastbare Grundlage für Vertriebssteuerung auf Management-Ebene
- Zielgerichtete Nutzung der Vertriebszeit
- Harmonisierung von Vertriebsprozessen und Schaffung einer skalierbaren CRM-Strategie für Innen- und Außendienst
- Fokussierung auf wertschöpfende Kunden und Aktivitäten
- Schaffung einer datenbasierten Vertriebssteuerung
- 24 Monate: Juni 2024 bis 12. Mai 2026
- Durchschnittliche Auslastung: Rund 40%
1. Grundsatzentscheidung Systemnutzung
- CRM als führendes System für alle vertriebsrelevanten Aktivitäten
- ERP (Navision) ausschließlich für kaufmännische Prozesse
-
Klare Trennung und definierte
Verantwortlichkeiten der Systeme
2. Datenmodell & Datenstruktur
- Zentrale Datenhaltung im Microsoft Dataverse
- Erweiterung der Standardtabellen nur für nutzerrelevante Felder
- Komplexe Logiken und Zusatzinformationen in benutzerdefinierten Tabellen
- Aufbau eines strukturierten Klassifizierungsmodells (A/B/C) basierend auf:
- Umsatzpotenzial
- Kundentyp (z. B. Händler, Endkunde, Ingenieurbüro)
-
verbauten Produkten
3. Entscheidungslogik im Vertrieb
- Automatisierte Klassifizierung von Kunden und Interessenten
- Definition einer Aktivitätsmatrix basierend auf:
- A/B/C-Kategorie
- Kundentyp
- offenen Verkaufschancen
- Generierung von:
- Wiedervorlagen
- Besuchsplanungen
- Tourenvorschlägen
4. Prozessarchitektur
- Fokus auf Akzeptanz durch unmittelbaren Nutzen für den Vertrieb
- Automatisierung zentraler Prozesse:
- automatische Zusammenfassung von Meetings und Telefonaten
- automatische Aktivitätserfassung (inkl. Außendienst, Mobile, Fahrzeugintegration)
- Steuerungslogik für Management:
- Kombination aus KPI und Prozess-Compliance
- z. B. ?nicht besuchte A-Kunden mit Potenzial?
5. Systemlandschaft
- Microsoft Dynamics Sales
- Microsoft Navision (ERP)
- Microsoft Teams inkl. Telefonie
- Microsoft Power Automate
- Microsoft Dataverse
- KI-Komponenten (Copilot, Transkription, Analyse)
6. Schnittstellen & Integration
- Bidirektionale Integration zwischen CRM und ERP:
- Accounts, Umsätze, Verträge
- Artikeldaten für Verkaufschancen
- Angebote und Aufträge zurück ins CRM
- Automatisierte Anlage und Validierung von Adressen im ERP
- Rückführung von:
- Kundennummern
- Bonitätsinformationen
- offenen Posten
7. Kommunikations- und Telemetrie-Integration
- Entscheidung für Microsoft Teams als zentrale Telefonielösung
- Integration von:
o stationärer Telefonie
o Mobile Nutzung (Handy, CarPlay)
- Automatisierte:
o Protokollierung von Gesprächen
o Transkription
o Überführung in CRM-Datenstrukturen
- Kundenspezifische KI-gestützte Gesprächszusammenfassungen mit Microsoft Copilot auf Basis:
o von Teams-Meetings
o Teams-Telefonie
o Gesprächstranskriptionen
o CRM-Historieninformationen
- Strukturierte Aufbereitung der Gesprächsinhalte für:
o Vertriebsaktivitäten
o Verkaufschancen
o Account-Entwicklung
o Management-Informationen
- Berücksichtigung kundenspezifischer Begrifflichkeiten, Produktbezeichnungen und Vertriebslogiken innerhalb der Zusammenfassungen
8. Architekturentscheidung Datenbeschaffung Telefonie
- Kombination aus:
o Webhook-basiertem Event-Ansatz
o zeitgesteuertem Abruf über Microsoft Graph
- Ziel:
o Minimierung von Datenverlust
o Maximale Aktualität
o Implementierung einer Doublettenlogik zur Sicherstellung der Datenqualität
9. Technische Umsetzung
- Automatisierung über Microsoft Power Automate
- UI-Erweiterung über Custom Pages
- Steuerung von UI-Logiken über JavaScript / HTML
- Nutzung von Umgebungsvariablen zur flexiblen Konfiguration
10. Reporting- und Steuerungsarchitektur
- Aufbau einer standardisierten Reporting-Logik für Vertriebs- und Unternehmensleitung
- Vereinheitlichung vertrieblicher Aktivitäten über Hilfstabellen und Workflow-Logiken im Microsoft Dataverse
- Harmonisierung unterschiedlicher Aktivitätstypen zur konsistenten Auswertung, z. B.:
o Termine ? geplantes Ende
o Telefonate ? tatsächliches Gesprächsende
o unterschiedliche Statusdefinitionen wie ?geplant? und ?offen? ? fachlich zusammengeführt
- Verarbeitung und Konsolidierung der Daten über Microsoft Power Automate Workflows
- Definition einheitlicher Auswertungslogiken für:
o Aktivitäten
o Besuchszyklen
o Vertriebsintensität
o Kundenpotenziale
o Prozess-Compliance
- Finale Aufbereitung der Reports in Microsoft Excel für Jour-fixe- und Management-Auswertungen
- Kombination klassischer KPI mit vertriebsfachlichen Steuerungsinformationen, u. a.:
o Anzahl versuchter Anrufe
o Anzahl erfolgreicher Gespräche
o Anzahl Online-Meetings
o Anzahl Vor-Ort-Termine
o nicht besuchte A-Kunden mit offenem Potenzial
o Aktivitäten bei C-Interessenten trotz niedriger Priorität
- Ziel war nicht die reine KPI-Erfassung, sondern die Schaffung einer belastbaren Entscheidungsgrundlage für Vertriebssteuerung und Ressourcenpriorisierung.
- Kombination aus Innen- und Außendienstprozessen
- Integration mehrerer Systeme (CRM, ERP, Kommunikation, KI)
- Verarbeitung strukturierter und unstrukturierter Daten (Gespräche, Texte)
- Hohe Anforderungen an Datenkonsistenz und Nutzerakzeptanz
- Konzeption der Gesamtarchitektur
- Definition von Datenmodell und Prozesslogik
- Steuerung externer Dienstleister
- Teilweise eigenständige Umsetzung kritischer Komponenten
- Sicherstellung der operativen Nutzbarkeit im Vertrieb
Verbund von kleineren IT-Dienstleistern für die Beratung und Umsetzung von IT-Lösungen.
Direktvertrieb an mittelständische Kunden aus unterschiedlichen Branchen.
Solution Architekt
- Microsoft Dynamics Sales
- Salesforce Pro Suite
- HubSpot
- genesisWorld
- ACT!
- Sage Office Line / Sage CRM
- LexOffice
- Microsoft Office 365
- Microsoft Dataverse
- Microsoft Power Automate
- ChatGPT
- Google Gemini
- Claude
- diverse weitere Systeme und Speziallösungen der einzelnen IT-Dienstleister
- Mehrere kleinere IT-Dienstleister mit voneinander unabhängigen CRM- und Vertriebsstrukturen
- Unterschiedliche Vertriebsprozesse und Datenmodelle
- Parallele Nutzung unterschiedlichster CRM-Systeme
- Teilweise CRM-Nutzung ausschließlich über ERP-Systeme
- Unterschiedliche Datenqualitäten und heterogene Datenstrukturen
- Viele voneinander getrennte Datenbestände sowohl innerhalb einzelner Unternehmen als auch zwischen den Unternehmen
- Keine zentrale Sicht auf Interessenten, Kunden und Vertriebsaktivitäten
- Aufbau einer zentralen Vertriebs- und Akquisebasis trotz heterogener Systemlandschaften
- Schaffung einer gemeinsamen Daten- und CRM-Architektur für die zentrale Akquise
- Beibehaltung der bestehenden Systeme bei den einzelnen IT-Dienstleistern
- Vorbereitung einer späteren Zusammenarbeit in der Projektumsetzung und Ressourcensteuerung
- Reduzierung von Informationsverlusten und Doppelarbeiten zwischen den Unternehmen
- 12 Monate: Januar 2025 bis Dezember 2025
- Durchschnittliche Auslastung: Rund 35%
1. Grundsatzentscheidung Architekturmodell
- Ziel war keine vollständige Vereinheitlichung aller Systeme, sondern die Schaffung einer integrationsfähigen Vertriebsarchitektur unter Beibehaltung bestehender CRM- und ERP-Systeme
- Föderierte Architektur mit:
- zentraler Akquiseplattform
- dezentralen operativen CRM-Systemen der einzelnen IT-Dienstleister
- Definition eines gemeinsamen fachlichen Kerns (?Smallest Common Denominator?) zur Erreichung der zentralen Akquiseziele trotz heterogener Systemlandschaften
2. Datenmodell & Datenstruktur
- Analyse und Harmonisierung unterschiedlicher Datenstrukturen für:
o Firmen
o Kontakte
o Aktivitäten
o Vertriebschancen
- Definition eines gemeinsamen Kern-Datenmodells über mehrere CRM-Systeme hinweg
- Konzept zur Datenkonsolidierung und Doublettenzusammenführung
- Definition primärer Identifikationsmerkmale zur sicheren Datenerkennung, z. B.:
o HRB-Nummern
o Unternehmensname
o Adresse
o Ansprechpartner
- Aufbau von Fuzzylogiken zur Erkennung ähnlicher Datensätze trotz unterschiedlicher Schreibweisen
3. Zielarchitektur Vertriebsplattform
- Aufbau einer zentralen Akquiseplattform auf Basis von Microsoft Dynamics Sales
- Integration der bestehenden CRM-Systeme über Schnittstellen und Hilfstabellen im Microsoft Dataverse
- Zentrale Verwaltung von:
o Interessenten
o Kunden
o Aktivitäten
o Zuständigkeiten
- Mehrfachzuordnung von Interessenten und Kunden zu mehreren IT-Dienstleistern möglich
4. Schnittstellen & Integration
- Definition der Schnittstellenlogik zwischen Quellsystemen und Zielarchitektur
- Konzeption der Datenübersetzung zwischen unterschiedlichen CRM-Systemen
- Schnittstellendefinition für:
o Firmen
o Kontakte
o Telefonate
o Termine
o Aktivitäten
- Entwicklung einer Such- und Prüfarchitektur zur Vermeidung von Dubletten bereits bei der Anlage neuer Datensätze in den Quellsystemen
- Konzept für systemübergreifende Datensynchronisation und Datenkonsistenz
5. Governance & Zuständigkeiten
- Definition von Ownership- und Zuständigkeitslogiken zwischen:
o zentraler Akquise
o einzelnen IT-Dienstleistern
- Definition:
o welche Vertriebsphasen zentral erfolgen
o ab wann die Übergabe an einzelne Partnerunternehmen erfolgt
- Klare Regelungen zur Verantwortlichkeit bei:
o Interessenten
o Kunden
o Verkaufschancen
o Folgeprojekten
o Rahmenverträgen
6. Prozessarchitektur
- Definition standardisierter Kernakquiseprozesse
- Harmonisierung von Marketing-, Vertriebs- und Kundenprozessen über mehrere Unternehmen hinweg
- Definition von:
o Akquiseprozessen
o Follow-up-Prozessen
o After-Sales-Prozessen
o Verlängerungsprozessen für Rahmenverträge
- Ziel war die Reduzierung von Reibungsverlusten und Mehrfacharbeiten innerhalb des IT-Verbunds
7. KI-First Strategie
- Definition einer KI-gestützten Vertriebsstrategie innerhalb der zentralen Akquise
- KI-gestützte Datenanreicherung und Recherche zu:
o Branchen
o Geschäftsmodellen
o Unternehmensinformationen
o wirtschaftlicher Situation
o Entscheidern
- Automatisierte Erstellung von:
o E-Mail-Kampagnen
o individualisierten Vertriebs-E-Mails
o Vertriebszusammenfassungen
- Nutzung von KI zur Verbesserung der Datenqualität und Vertriebspriorisierung
8. Technische Umsetzung
- Nutzung von Microsoft Dataverse als zentrale Integrations- und Steuerungsebene
- Einsatz von Microsoft Power Automate für:
o Datensynchronisation
o Workflowsteuerung
o Automatisierung
- Integration unterschiedlicher CRM-Systeme ohne vollständige Migration
- Architektur mit Fokus auf Erweiterbarkeit und spätere Skalierung
- Heterogene CRM- und ERP-Landschaften
- Unterschiedliche Datenmodelle und Prozesse
- Mehrere eigenständig operierende Unternehmen
- Unterschiedliche Vertriebsstrategien und Arbeitsweisen
- Hohe Anforderungen an:
o Datenqualität
o Datenkonsistenz
o Ownership
o Dublettenerkennung
o Governance
- Kombination strukturierter und unstrukturierter Datenquellen
- Analyse bestehender CRM- und Vertriebslandschaften
- Moderation fachlicher Workshops und Abstimmung zwischen Management, Vertrieb und technischen Stakeholdern
- Konzeption der Zielarchitektur
- Definition von Datenmodell und Integrationslogik
- Definition der Governance- und Ownership-Strukturen
- Erstellung der Schnittstellenkonzepte
- Entwicklung der KI-gestützten Vertriebsstrategie
- Steuerung der technischen Umsetzung
Sicherstellung der operativen Nutzbarkeit der Architektur im VertriebsalltagHersteller von LED-Leuchtmitteln und professionellen Leuchtenlösungen.
Direktvertrieb an Industriekunden für komplette LED-Ausleuchtungskonzepte sowie indirekter Vertrieb über Elektriker und Fachpartner.
Solution Architekt
- Salesforce Sales Cloud
- Salesforce Einstein
- ChatGPT
- Microsoft Office 365
- Microsoft SharePoint
- Microsoft Dataverse
- Microsoft Power Automate
- Azure OpenAI (GPT)
- Azure Document Intelligence
- Azure Functions
- individuelle ERP-Software
- REST-API-basierte Integrationen
- Sehr hohe Anzahl potenzieller Ausschreibungen bei gleichzeitig stark begrenzten Vertriebsressourcen
- Hoher manueller Aufwand bei Sichtung, Bewertung und Bearbeitung von Ausschreibungsunterlagen
- Fehlende strukturierte Entscheidungsgrundlage zur Priorisierung von Ausschreibungen
- Hoher Zeitdruck bei der Angebotserstellung
- Unterschiedliche Dokumentenstrukturen und teilweise unstrukturierte Ausschreibungsunterlagen
- Aufbau einer KI-gestützten Entscheidungs- und Prozessplattform zur strukturierten Bewertung und Bearbeitung von Ausschreibungen
- Fokussierung der Vertriebsressourcen auf Ausschreibungen mit hoher Erfolgswahrscheinlichkeit
- Reduzierung manueller Vorqualifizierungsaufwände
- Teilautomatisierung der Ausschreibungsbearbeitung
- Automatisierte Vorbereitung relevanter Inhalte für Ausschreibungen und Angebote
- 8 Monate: März 2025 bis Oktober 2025
- Durchschnittliche Auslastung: Rund 30%
1. Grundsatzentscheidung Vertriebsstrategie
- Ziel war nicht die vollständige Automatisierung des Vertriebs, sondern die KI-gestützte Unterstützung der Vertriebsentscheidungen
- KI sollte den Vertrieb bei:
o Priorisierung
o Bewertung
o Recherche
- KI wurde gezielt zur Beschleunigung, Priorisierung und qualitativen Verbesserung vertrieblicher Entscheidungen eingesetzt.
- Kritische Entscheidungen und finale Freigaben verbleiben bewusst beim Vertrieb bzw. der Assistenz
2. Bewertungs- und Entscheidungslogik
- Definition einer mehrstufigen Vorabbewertung für Ausschreibungen
- Entwicklung eines Punktesystems zur automatisierten Bewertung und Priorisierung
- Umwandlung der Einzelbewertungen in Wahrscheinlichkeits- und Prioritätswerte
3. Entscheidungslogik Eingangskriterien
- Automatisierte Bewertung von:
o Projektvolumen
o Umsetzbarkeit innerhalb verfügbarer Ressourcen
o Einhaltung der Abgabefristen
o Terminüberschneidungen bei der Umsetzung
- Definition von:
o Ja-/Nein-Kriterien
o K.O.-Kriterien
o Prioritätslogiken
4. Politische und strategische Bewertungslogik
- Analyse der Ausschreibungen hinsichtlich:
o möglicher Vorfestlegungen auf Wettbewerber
o auffälliger Spezifikationen
o bewusst offener oder unklarer Anforderungen
- KI-gestützte Recherche zu:
o Wettbewerbern
o Referenzprojekten
o bestehenden Kundenbeziehungen
o potenziellen Verbindungen zwischen Auftraggebern und Wettbewerbern
- Bewertung der politischen und strategischen Erfolgschancen
5. Fachliche Bewertungslogik
- Bewertung der technischen Anforderungen im Verhältnis zu:
o vorhandenen Produkten
o eigenen Stärken
o vorhandenen Referenzen
o verfügbaren Ressourcen
- Analyse von:
o technischen Passungen
o Risiken
o Ausschlusskriterien
6. Validierungs- und Folgeprozesslogik
- Bewertung der Verlässlichkeit der KI-Analyse
- Automatische Generierung von Folgeaktivitäten bei:
o unklaren Anforderungen
o fehlenden Informationen
o notwendigem Klärungsbedarf
- Priorisierung der Folgeaktivitäten anhand der erwarteten Erfolgschancen
7. Prozessarchitektur
- Manuelle Erstaufnahme der Ausschreibungen durch die Assistenz
- Ablage der Ausschreibungsunterlagen in SharePoint
- Ergänzung zusätzlicher Informationen, die nicht direkt aus den Dokumenten ausgelesen werden können
- Automatisierte Analyse und strukturierte Aufbereitung der Inhalte
- Freigabeprozess durch Assistenz und Vertrieb vor Übergabe an Salesforce
8. KI-gestützte Inhaltserstellung
- KI-gestützte Generierung von:
o Einleitungen
o Management Summaries
o Nutzenargumentationen
o Mehrwertdarstellungen
- Nutzung vorhandener Textbausteine und historischer Ausschreibungsdaten
- Lernende Optimierung der Textvorschläge anhand:
o bereits verwendeter Ausschreibungstexte
o erfolgreicher Formulierungen
o bestehender Angebotsunterlagen
9. Technische Angebotsvorbereitung
- Extraktion technischer Anforderungen und Mengenangaben aus Ausschreibungsunterlagen
- Strukturierte Darstellung der Anforderungen
- Automatisierte Vorschläge passender Produkte auf Basis:
o Artikelstammdaten
o technischer Anforderungen
o Mengenstrukturen
10. Prozesslogik Vertriebssteuerung
- Automatische Priorisierung eingehender Ausschreibungen
- Sofortige Wiedervorlagen und Benachrichtigungen bei:
o hoher Abschlusswahrscheinlichkeit
o geringem Klärungsbedarf
- Ausschreibungen mit:
o mittlerer Wahrscheinlichkeit
o höherem Klärungsbedarf
werden in einen separaten Bearbeitungspool überführt
- Architektur orientierte sich bewusst an real verfügbaren Vertriebsressourcen und Kapazitäten
11. Architekturmodell
Upload Layer
- Ablage der Ausschreibungsunterlagen in SharePoint
- Ergänzung fehlender Metadaten durch Assistenz
Processing Layer
- Dokumentenanalyse über Azure Document Intelligence
- Strukturierte Extraktion von:
o Texten
o Tabellen
o Mengen
o technischen Anforderungen
o Rahmenbedingungen
- KI-basierte Bewertung über Azure OpenAI
Data Layer
- Speicherung:
o Rohdaten in SharePoint
o strukturierter Daten und Bewertungen im Microsoft Dataverse
- Trennung zwischen:
o Rohdaten
o KI-Bewertung
o Entscheidungslogik
o Vertriebsstatus
Integration Layer
- Übergabe relevanter Ausschreibungen an Salesforce Sales Cloud
- Integration über REST-API und Azure Functions
12. Datenmodell & Datenstruktur
- Strukturierte Extraktion und Speicherung von:
o technischen Anforderungen
o Mengenangaben
o Fristen
o Rahmenbedingungen
o Bewertungskriterien
- Speicherung der strukturierten Ausschreibungsdaten in Dataverse Custom Tables
- Aufbau eines getrennten Modells für:
o Rohdaten
o KI-Bewertungen
o Vertriebsentscheidungen
o Folgeaktivitäten
13. Technische Umsetzung
- Workflowsteuerung über Microsoft Power Automate
- Speicherung strukturierter Daten im Microsoft Dataverse
- Integration externer KI- und Dokumentenanalyse-Dienste
- API-basierte Integration zwischen:
o SharePoint
o Dataverse
o Salesforce
o Azure-Komponenten
- Kombination strukturierter und unstrukturierter Datenquellen
- Verarbeitung umfangreicher Dokumente und technischer Ausschreibungen
- Hohe Anforderungen an:
o Datenqualität
o Entscheidungslogik
o Priorisierung
o Ressourcensteuerung
o Prozessautomatisierung
- Kombination aus:
o KI
o Dokumentenanalyse
o Workflowsteuerung
o CRM-Integration
o Vertriebslogik
- Analyse bestehender Ausschreibungs- und Vertriebsprozesse
- Konzeption der Zielarchitektur
- Definition der Entscheidungs- und Bewertungslogik
- Definition des Datenmodells
- Definition der KI-Strategie
- Konzeption der Integrationsarchitektur
- Entwicklung der Prozess- und Governance-Logik
- Steuerung der technischen Umsetzung
- Sicherstellung der operativen Nutzbarkeit im Vertriebsalltag